基于AHP-RBF的Swift云存储负载预测

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (8): 35-39.

基于AHP-RBF的Swift云存储负载预测

谭乾1，江弋1，林凡2

1.厦门大学信息科学与技术学院，福建厦门 361005
2.厦门大学软件学院，福建厦门 361005

出版日期:2014-04-15 发布日期:2014-05-30

Load prediction of Swift cloud storage based on AHP-RBF

TAN Qian1, JIANG Yi1, LIN Fan2

1.School of Information Science and Technology, Xiamen University, Xiamen, Fujian 361005, China
2.School of Software, Xiamen University, Xiamen, Fujian 361005, China

Online:2014-04-15 Published:2014-05-30

摘要/Abstract

摘要： 通过对Swift云存储中Proxy Node的负载因素研究，提出结合层次分析法（AHP）和混合递阶遗传训练的RBF神经网络实现对Swift云存储负载情况的预测，其中使用AHP构造对云存储系统的负载层次化模式，提高负载预测的综合精度，设计了RBF神经网络预测模型，用混合递阶遗传算法（HHGA）确定RBF神经网络的参数和结构。仿真实验结果表明，对Swift云存储负载的预测具有可行性，能为系统动态负载均衡决策提供依据。

关键词: Swift, 混合递阶遗传算法, 径向基函数（RBF）神经网络, 层次分析法, 负载

Abstract: Through the study of Proxy Node load factors in Swift cloud storage, a method which combines Analytic Hierarchy Process（AHP） and Hybrid Hierarchical Genetic Algorithm for training of Radial Basis Function Neural Network （HHGA-RBFNN） is proposed to predict Swift cloud storage load. This paper uses AHP to construct load hierarchy model of the system for raising comprehensive accuracy of load prediction of the system, designs RBFNN prediction model, and uses hybrid hierarchical genetic algorithm to train RBFNN’s parameters and configuration. From the experimental results, this method is effective, and can be a selection for Swift cloud system load balancing decision.

Key words: Swift, hybrid hierarchical genetic algorithm, Radial Basis Function（RBF） neural networks, Analytic Hierarchy Process（AHP）, load

谭乾1，江弋1，林凡2. 基于AHP-RBF的Swift云存储负载预测[J]. 计算机工程与应用, 2014, 50(8): 35-39.

TAN Qian1, JIANG Yi1, LIN Fan2. Load prediction of Swift cloud storage based on AHP-RBF[J]. Computer Engineering and Applications, 2014, 50(8): 35-39.

[1]	周友行，赵晗妘，刘汉江，李昱泽，肖雨琴. 采用DDPG的双足机器人自学习步态规划方法[J]. 计算机工程与应用, 2021, 57(6): 254-259.
[2]	王保剑，胡大裟，蒋玉明. 改进A*算法在路径规划中的应用[J]. 计算机工程与应用, 2021, 57(12): 243-247.
[3]	张宇，张延松. 向量分组聚集计算技术研究[J]. 计算机工程与应用, 2021, 57(11): 84-94.
[4]	雷定猷，洪舒华，张英贵. 集装箱轻重货物混合平衡装载模型与算法[J]. 计算机工程与应用, 2020, 56(8): 233-240.
[5]	袁洋，叶峰，赖乙宗，赵雨亭. 结合负载均衡与A*算法的多AGV路径规划[J]. 计算机工程与应用, 2020, 56(5): 251-256.
[6]	何锋，曾文，王秉钧. 并行实时测控数据存储系统设计与实现[J]. 计算机工程与应用, 2020, 56(23): 253-258.
[7]	王莉，赵阿群，赵晨辉. 基于Fat-Tree的虚拟分片负载均衡算法[J]. 计算机工程与应用, 2020, 56(13): 93-99.
[8]	蔡子伟，徐正全，王晓艳. 基于时间扰动的智能电表隐私保护方法[J]. 计算机工程与应用, 2020, 56(1): 106-114.
[9]	秦峰，曾浩，林开东. 高负载场景下基于负载均衡的LLN路由协议[J]. 计算机工程与应用, 2020, 56(1): 121-126.
[10]	朱瑞金，龚雪娇，唐波. 分布式混合压缩感知无线传感器网络数据收集[J]. 计算机工程与应用, 2019, 55(6): 73-80.
[11]	王进1，李琪2，黄家玮2. 路径差异敏感的包散射策略机制[J]. 计算机工程与应用, 2019, 55(5): 72-75.
[12]	刘期烈，李建雄. 内容中心网中多参数的缓存污染攻击检测算法[J]. 计算机工程与应用, 2019, 55(4): 130-136.
[13]	王珺，王梦林，王悦，刘俊杰. SDN数据中心网络基于流分类的负载均衡方案[J]. 计算机工程与应用, 2019, 55(24): 75-83.
[14]	刘欢，房胜，李哲，赵晴. 基于多条带HEVC并行编码器的负载均衡算法[J]. 计算机工程与应用, 2019, 55(18): 180-188.
[15]	谷静，侯永平，张新. 异构网中基于改进蝙蝠算法的动态CRE偏置选择[J]. 计算机工程与应用, 2019, 55(13): 93-99.